CN104835125B - 平板探测器的坏点校正方法 - Google Patents
平板探测器的坏点校正方法 Download PDFInfo
- Publication number
- CN104835125B CN104835125B CN201510232797.2A CN201510232797A CN104835125B CN 104835125 B CN104835125 B CN 104835125B CN 201510232797 A CN201510232797 A CN 201510232797A CN 104835125 B CN104835125 B CN 104835125B
- Authority
- CN
- China
- Prior art keywords
- bad point
- bad
- flat panel
- panel detector
- length
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明提供一种平板探测器的坏点校正方法,是对平板探测器进行坏点识别,将坏点分为第一类坏点和第二类坏点,并分别采取不同的方法校正第一类坏点和第二类坏点。此方法分别对相对独立的坏点和相对集中的坏点采取不同的方法进行校正,可以降低校正难度,提高校正的准确性。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种平板探测器的坏点校正方法。
背景技术
在许多领域,均需使用到平板探测器,例如,在数字化摄片中,X线能量转换成电信号是通过平板探测器来实现的,所以平板探测器的特性会对DR图像质量产生比较大的影响,选择DR必然要考虑到平板探测器的因素,医院也应当根据实际需要选择适合自己的平板探测器。
在平板探测器中,当某一像元对于X射线不响应或者响应异常时,将此类探测器像元称为坏点。具体地说,坏点是指不随感光变化,始终呈现一种颜色(例如,白色、黑色或彩色)的像素点,从而破坏了高清图像的清晰图和完整性。平板探测器中坏点的存在是图像质量下降的原因之一,并且,由于坏点的增多,低噪环境下图像会更加差,容易影响平板探测器的正常使用和成像。
如上所述,当平板探测器中存在坏点时,会使采集到的数据发生异常,进而使重建图像中出现噪声以及伪影,大大降低了图像质量,因此在成像完成后需要对平板探测器进行坏点校正。但是,现有的校正方法基本是对检测出的坏点直接进行校正,其校正难度较大,且不具有高准确性,严重影响着平板探测器成像的质量。
发明内容
为提高坏点校正的准确性,本发明提供了一种平板探测器的坏点校正方法,包括:
对平板探测器进行坏点识别;
遍历所述平板探测器的所有坏点,将第一半径的坏点簇以及第一长度的坏点线定义为第一类坏点;将孤立坏点、第二半径的坏点簇以及第二长度的坏点线定义为第二类坏点;其中,所述第二长度小于所述第一长度,所述第二半径小于所述第一半径;
对所述第一类坏点与所述第二类坏点分别进行校正。
可选地,先校正所述第二类坏点,再校正所述第一类坏点。
可选地,对所述第一类坏点进行校正时,先校正所述第一半径的坏点簇,再校正所述第一长度的坏点线。
可选地,校正所述第二类坏点的方法包括:
采用所述第二类坏点周围3×3像素范围内的所有正常像素的平均像素值对坏点像素进行修正。
可选地,所述第二半径的坏点簇是指以一坏点为中心的3×3像素邻域范围内具有其他坏点,并且紧邻所述3×3像素邻域的外围像素不具有其他坏点的坏点簇。
可选地,所述第一半径的坏点簇是指以一坏点为中心的3×3像素邻域范围内具有其他坏点,并且紧邻所述3×3像素邻域的外围像素也具有其他坏点的坏点簇。
可选地,所述第一长度的坏点线是指同一行或列上长度大于该行像素一半,并且该行或列相邻两行或列相对应的位置不存在坏点的坏点线。
可选地,所述第二长度的坏点线是指同一行或者列上的连续长度大于3个像素且小于等于该行或列像素一半,并且该行或列相邻的两行或列相对应的位置不存在坏点的坏点线。
可选地,校正所述第一类坏点中第一半径的坏点簇的方法是双线性插值法。
可选地,所述双线性插值法包括:首先初始化坏点双线性插值模板的大小为3×3像素,判断模板四个端点像素是否为正常像素,如果是则采用四个端点像素值得平均作为校正值,如果不是,则增大双线性插值的模板大小,直到四个端点的像素点都为正常像素。
可选地,校正所述第一类坏点中第一长度的坏点线的方法是三样条插值法。
可选地,当所述第一长度的坏点线位于图像边界时,校正所述第一长度的坏点线的方法是,采用与所述第一长度的坏点线相邻点的正常像素值对坏点线进行替换。
可选地,对于所述第一长度的水平坏点线的校正,采用竖直方向的样条插值法;对于所述第一长度的竖直坏点线的校正,采用水平方向的样条插值法。
可选地,进行所述坏点识别的方法包括:
在所述平板探测器中分别输入某一扫描剂量下采集的多幅暗场、亮场和增益系数图像数据,得出平均暗场图像、平均亮场图像和增益系数矩阵;
分别根据所述平均暗场图像、平均亮场图像以及增益系数矩阵的灰度直方图计算出三种坏像素的判断范围,所述三种坏像素包括暗电流超界坏像素、不稳定坏像素以及响应超界坏像素;以及
根据所述三种坏像素的判断范围分别遍历暗场、亮场以及增益系数图像的像素点,得出并标记所有坏点。
本发明提供的平板探测器的坏点校正方法,对平板探测器进行坏点识别以得出坏点图像,将所有坏点分为第一类坏点和第二类坏点,并分别采取不同的方法校正第一类坏点和第二类坏点。此方法对相对独立的坏点和相对集中的坏点分别采取不同的方法进行校正,可以降低校正难度,提高校正的准确性。
附图说明
图1为本发明一实施例所述的平板探测器的坏点校正方法的流程图。
图2为本发明一实施例所述的平板探测器的坏点校正方法中第二半径的坏点簇的示意图。
图3为本发明一实施例所述的平板探测器的坏点校正方法中第一半径的坏点簇的示意图。
图4为本发明一实施例所述的平板探测器的坏点校正方法中第二长度的坏点线的示意图。
图5为本发明一实施例所述的平板探测器的坏点校正方法中第一长度的坏点线的示意图。
图6为本发明一实施例所述的平板探测器的坏点校正方法中坏点识别方法的流程图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明。根据下面的说明,本发明的优点和特征将更清楚。需说明的是,附图均采用非常简化的形式且均使用非精准的比率,仅用以方便、明晰地辅助说明本发明实施例的目的。
针对现有技术涉及的问题,发明人提出针对平板探测器中不同种类的坏点采用不同的方法进行校正,具体是将平板探测器上的坏点进行分类,基本标准是区分出较为独立的坏点和较为集中的坏点,再采取不同的方法对较为独立的坏点和较为集中的坏点进行校正,如此,可以降低校正难度,提高校正的准确性。
优选方案中,先校正较为独立的坏点再校正较为集中的坏点。坏点的校正顺序对于校正效果有着较大影响。由于较为独立的坏点和较为集中的坏点校正难度相对较低,而且先将较为独立的坏点校正完成后,图像上仅剩下分布较为集中的坏点,能够降低校正难度,提高校正的准确性。当然,本发明并不限定坏点的校正顺序,在其他实施例中,亦可以先校正较为集中的坏点再校正较为独立的坏点。
如图1所示,首先对平板探测器进行坏点识别并根据识别结果生成对应的平板探测器坏点点位图(图1未示出),遍历待校正平板探测器的坏点点位图时,依次判断所有的点是否为坏点并确认判断为坏点的坏点类型,然后对不同类型的坏点进行不同的标记(例如不同的坏点标记不同的数字,若不是坏点则标记为零),并以此生成坏点模板图。之后,依据坏点模板图中对坏点的分类采用不同的方法对不同的坏点进行校正。
在一具体实施例中,可以将上述较为独立的坏点和较为集中的坏点进行进一步分类,再分别采用不同的方法进行校正。例如将孤立坏点、第二半径的坏点簇、以及第二长度的坏点线定义为第二类坏点;所述将第一半径的坏点簇以及第一长度的坏点线定义为第一类坏点;其中,上述的第二长度小于所述第一长度,所述第二半径小于所述第一半径。上述分类的目的是将坏点簇分为大坏点簇和小坏点簇,将坏点线分为长坏点线和短坏点线,以采取不同的方法进行校正。
例如,第二半径的坏点簇如图2所示,是指以一坏点为中心的3×3像素邻域范围内具有其他坏点,并且紧邻所述3×3像素邻域的外围像素不具有其他坏点的坏点簇。
所述第一半径的坏点簇如图3所示,是指以坏点为中心的3×3像素邻域范围内具有其他坏点,并且紧邻所述3×3像素邻域的外围像素也具有其他坏点的坏点簇。
所述第二长度的坏点线如图4所示,是指同一行(列)上的连续长度大于n个像素、小于等于该行(列)像素一半,并且该行(列)相邻两行(列)相对应的位置不存在坏点的坏点线;所述第一长度的坏点线如图5所示,是指同一行(列)上的连续长度大于该行(列)像素一半,并且该行(列)相邻两行(列)相对应的位置不存在坏点的坏点线。在本实施例中,n=3。某一行(列)的坏像素总数大于某一行(列)像素总数的一半,具体有以下几种情况:
(1)某一行(列)并不全部是坏点点;
(2)某一行(列)的坏点点不是连续的,时而连续,时而分散;
(3)某一行(列)的某些坏点点很可能与其上方或下方的坏点点构成簇,当这一行被认定是坏点线时,坏点簇也就会被分割开来。
至此,第二类坏点为孤立坏点、第二半径的坏点簇、以及第二长度的坏点线;第一类坏点为第一半径的坏点簇以及第一长度的坏点线。
在具体的第一类坏点的校正方法上,第一半径的坏点簇的校正方法是双线性插值法,第一长度的坏点线的校正方法是三样条插值法。较佳实施例中,对于第一长度的水平坏点线的校正,采用竖直方向的样条插值法;对于第一长度的竖直坏点线的校正,采用水平方向的样条插值法。优选的,当所述第一长度的坏点线位于图像边界时,校正所述第一长度的坏点线的方法是,采用与所述第一长度的坏点线相邻的正常像素进行替换。
上述第一半径的坏点簇的双线性插值的方法的具体实现方法是:首先初始化坏点双线性插值模板的大小为n·n,判断模板四个端点像素是否为正常像素,如果是则采用四个端点像素值得平均作为校正值,如果不是,则增大双线性插值的模板大小,直到四个端点的像素点都为正常像素。
由于第二类坏点分为孤立坏点、第二半径的坏点簇、以及第二长度的坏点线,坏点簇的半径较小,坏点线的长度较短,因此聚集性较低,优选的可以采取其周围n·n像素的范围内的其他正常像素的平均值进行修正。上述双线性插值的方法中,优选n=3。
在上述平板探测器的坏点坏点校正过程中,待校正的图像为经过坏点识别的图像。坏点识别的具体方法如图6所示,包括:
在所述平板探测器中分别输入某一扫描剂量下采集的多幅暗场、亮场和增益系数图像数据,得出平均暗场图像、平均亮场图像和增益系数矩阵;
分别根据所述平均暗场图像、平均亮场图像以及增益系数矩阵的灰度直方图计算出三种坏像素,即暗电流超界坏像素、不稳定坏像素以及响应超界像素的判断范围;
根据所述三种坏像素的判断范围分别遍历暗场、亮场以及增益系数图像的像素点,得出并标记所有坏点。本发明提供的平板探测器的坏点校正方法,通过对平板探测器进行坏点识别以得出坏点图像,并将所述坏点图像中的坏点分为第一类坏点和第二类坏点,分别采取不同的方法校正第一类坏点和第二类坏点。此方法对相对独立的坏点和相对集中的坏点采取不同的方法进行校正,可以降低校正难度,提高校正的准确性。
显然,本领域的技术人员可以对发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (12)
1.一种平板探测器的坏点校正方法,其特征在于,包括
对平板探测器进行坏点识别;
遍历平板探测器的所有坏点,将第一半径的坏点簇以及第一长度的坏点线定义为第一类坏点;将孤立坏点、第二半径的坏点簇以及第二长度的坏点线定义为第二类坏点;其中,所述第二长度小于所述第一长度,所述第二半径小于所述第一半径;以及
对所述第一类坏点与所述第二类坏点分别进行校正;
其中,校正所述第一类坏点中第一半径的坏点簇的方法是双线性插值法,校正所述第一类坏点中第一长度的坏点线的方法是三样条插值法。
2.如权利要求1所述的平板探测器的坏点校正方法,其特征在于,先校正所述第二类坏点,再校正所述第一类坏点。
3.如权利要求2所述的平板探测器的坏点校正方法,其特征在于,对所述第一类坏点进行校正时,先校正所述第一半径的坏点簇,再校正所述第一长度的坏点线。
4.如权利要求1所述的平板探测器的坏点校正方法,其特征在于,校正所述第二类坏点的方法包括:
采用所述第二类坏点周围3×3像素范围内的所有正常像素的平均像素值对坏点像素进行修正。
5.如权利要求1所述的平板探测器的坏点校正方法,其特征在于,所述第二半径的坏点簇是指以一坏点为中心的3×3像素邻域范围内具有其他坏点,并且紧邻所述3×3像素邻域的外围像素不具有其他坏点的坏点簇。
6.如权利要求1所述的平板探测器的坏点校正方法,其特征在于,所述第一半径的坏点簇是指以一坏点为中心的3×3像素邻域范围内具有其他坏点,并且紧邻所述3×3像素邻域的外围像素也具有其他坏点的坏点簇。
7.如权利要求1所述的平板探测器的坏点校正方法,其特征在于,所述第一长度的坏点线是指同一行或列上长度大于该行或列像素一半,并且该行或列相邻两行或列相对应的位置不存在坏点的坏点线。
8.如权利要求1所述的平板探测器的坏点校正方法,其特征在于,所述第二长度的坏点线是指同一行或者列上的连续长度大于3个像素且小于等于该行或列像素一半,并且该行或列相邻的两行或列相对应的位置不存在坏点的坏点线。
9.如权利要求1所述的平板探测器的坏点校正方法,其特征在于,所述双线性插值法包括:首先初始化坏点双线性插值模板的大小为3×3像素,判断模板四个端点像素是否为正常像素,如果是则采用四个端点像素值的平均作为校正值,如果不是,则增大双线性插值的模板大小,直到四个端点的像素点都为正常像素。
10.如权利要求1所述的平板探测器的坏点校正方法,其特征在于,当所述第一长度的坏点线位于图像边界时,校正所述第一长度的坏点线的方法是,采用与所述第一长度的坏点线相邻点的正常像素值对坏点线进行替换。
11.如权利要求10所述的平板探测器的坏点校正方法,其特征在于,对于所述第一长度的水平坏点线的校正,采用竖直方向的样条插值法;对于所述第一长度的竖直坏点线的校正,采用水平方向的样条插值法。
12.如权利要求1所述的平板探测器的坏点校正方法,其特征在于,进行所述坏点识别的方法包括:
在所述平板探测器中分别输入某一扫描剂量下采集的多幅暗场、亮场和增益系数图像数据,得出平均暗场图像、平均亮场图像和增益系数矩阵;
分别根据所述平均暗场图像、平均亮场图像以及增益系数矩阵的灰度直方图计算出三种坏像素的判断范围,所述三种坏像素包括暗电流超界坏像素、不稳定坏像素以及响应超界坏像素;以及
根据所述三种坏像素的判断范围分别遍历暗场、亮场以及增益系数图像的像素点,得出并标记所有坏点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510232797.2A CN104835125B (zh) | 2015-05-08 | 2015-05-08 | 平板探测器的坏点校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510232797.2A CN104835125B (zh) | 2015-05-08 | 2015-05-08 | 平板探测器的坏点校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104835125A CN104835125A (zh) | 2015-08-12 |
CN104835125B true CN104835125B (zh) | 2018-04-03 |
Family
ID=53812995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510232797.2A Active CN104835125B (zh) | 2015-05-08 | 2015-05-08 | 平板探测器的坏点校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104835125B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105262963B (zh) * | 2015-10-15 | 2018-10-16 | 上海集成电路研发中心有限公司 | 暗像素阵列、替换控制电路系统及方法 |
CN105306843B (zh) * | 2015-10-20 | 2018-05-25 | 凌云光技术集团有限责任公司 | 一种图像传感器的坏点处理方法及系统 |
CN105787905B (zh) * | 2016-03-24 | 2019-03-26 | 中国人民解放军信息工程大学 | 一种基于动态电流的锥束ct环状伪影校正方法 |
CN106097282B (zh) * | 2016-07-01 | 2019-02-26 | 上海奕瑞光电子科技股份有限公司 | 消除平板探测器图像残影的方法及平板探测器 |
CN107049345A (zh) * | 2017-05-23 | 2017-08-18 | 深圳艾砾拓科技有限公司 | 数字x射线乳腺摄影系统中曝光指数及偏差指数计算方法 |
CN109712084B (zh) * | 2018-12-10 | 2021-01-19 | 上海奕瑞光电子科技股份有限公司 | 一种图像修复方法、图像修复系统及平板探测器 |
CN110823385A (zh) * | 2019-11-22 | 2020-02-21 | 江苏东方赛光电有限公司 | 一种红外焦平面盲元替换的高效算法 |
CN113223109B (zh) * | 2021-05-27 | 2022-08-12 | 明峰医疗系统股份有限公司 | 一种基于ct轴扫描的坏点校正方法 |
CN113873229B (zh) * | 2021-09-26 | 2024-02-27 | 江西盛泰精密光学有限公司 | 一种图像坏点检测方法、系统及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102685544A (zh) * | 2011-03-17 | 2012-09-19 | 上海微电子装备有限公司 | 用于检测图像传感器的装置及检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2737852B1 (de) * | 2012-11-30 | 2015-08-19 | GE Sensing & Inspection Technologies GmbH | Verfahren zum Erfassen geometrischer Abbildungseigenschaften eines Flachbilddetektors, entsprechend eingerichtete Röntgenprüfanlage und Kalibrierkörper |
-
2015
- 2015-05-08 CN CN201510232797.2A patent/CN104835125B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102685544A (zh) * | 2011-03-17 | 2012-09-19 | 上海微电子装备有限公司 | 用于检测图像传感器的装置及检测方法 |
Non-Patent Citations (1)
Title |
---|
"平板探测器坏像素校正方法研究";张丰收等;《现代制造工程》;20051031(第10期);论文第71-73页及图3 * |
Also Published As
Publication number | Publication date |
---|---|
CN104835125A (zh) | 2015-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104835125B (zh) | 平板探测器的坏点校正方法 | |
CN104484659B (zh) | 一种对医学彩色和灰阶图像自动识别及校准的方法 | |
US10990835B2 (en) | Road sign recognition method and system | |
CN104794421B (zh) | 一种qr码定位及识别方法 | |
CN103310211B (zh) | 一种基于图像处理的填注标记识别方法 | |
CN102908120B (zh) | 眼底图像的配准方法、眼底图像中视盘神经、血管的测量方法及眼底图像的拼接方法 | |
US8570609B2 (en) | Image processing device with image dilation processing, image processing system, image processing method and computer readable medium | |
CN105913093A (zh) | 一种用于文字识别处理的模板匹配方法 | |
CN107705288A (zh) | 伪目标运动强干扰下的危险气体泄漏红外视频检测方法 | |
WO2020038312A1 (zh) | 多通道舌体边缘检测装置、方法及存储介质 | |
CN102722729A (zh) | 通过用字符的形状特征来比较字符而检测文档变化的方法 | |
CN109447912B (zh) | 一种荧光导航内窥镜系统的荧光图像自适应增强及降噪方法 | |
CN108830133A (zh) | 合同影像图片的识别方法、电子装置及可读存储介质 | |
CN116468640B (zh) | 一种用于互联网教学的视频图像增强方法 | |
CN104159001A (zh) | 基于高精度大幅面扫描仪系统的图像多点分区域校正方法 | |
JP5870745B2 (ja) | 画像処理装置、二値化閾値算出方法及びコンピュータプログラム | |
CN115100304B (zh) | 一种基于图像处理的核磁共振图像增强方法 | |
CN102236786A (zh) | 一种光照自适应的人体肤色检测方法 | |
CN113065404B (zh) | 基于等宽文字片段的火车票内容检测方法与系统 | |
CN105654140A (zh) | 面向复杂工业环境的铁路油罐车车号定位与识别方法 | |
CN102885631B (zh) | 一种运用于平板ccd探测器的畸变校正方法 | |
CN110400320B (zh) | 一种电润湿缺陷像素的分割方法 | |
TWI675646B (zh) | 乳房影像分析方法、乳房影像分析系統及非暫態電腦可讀取媒體 | |
CN107609453A (zh) | 一种车牌图像校正、车牌字符分割方法及设备 | |
CN108648229A (zh) | 基于Kinect相机的人体背部特征点提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190703 Address after: 213000 Liaohe Road 1008, Xinbei District, Changzhou City, Jiangsu Province Patentee after: Lian Ying (Changzhou) Medical Technology Co., Ltd. Address before: 201815 No. 2258 Chengbei Road, Jiading District, Shanghai Patentee before: Shanghai United Imaging Healthcare Co., Ltd. |
|
TR01 | Transfer of patent right |